연구진이 인간과 에이전트의 과학 협업을 위한 CoWeaver 알고리즘을 제안했어요. CoWeaver는 과학자와 요청자를 매칭하여 역량 격차를 해소하고, 두 단계의 순위 결정 과정을 통해 후보자를 선별합니다. 인간-에이전트 네트워크에서 강력한 협업을 가능하게 하는 양방향, 학습 가능, 설명 가능한 매칭 엔진입니다.
CoWeaver는 불확실성을 고려한 역량 추정치를 유지하고 요청자의 피드백을 통해 업데이트하여 새로운 참여자를 탐색합니다. 탐험(UCB)과 탐욕적(Greedy) 전략을 결합한 CoWeaver의 선택 메커니즘은 20개 작업 중 6개에서 분석적으로 최상의 솔루션인 탐욕적 메커니즘을 능가했습니다.
CoWeaver는 매칭 품질과 효율성 측면에서 기존 방식보다 우수한 성능을 보였으며, 인간과 에이전트 간의 과학 협업을 위한 효과적인 도구임을 입증했습니다.